A Color Correct Method based on Relative Ortho Rectification Precision in High-resolution Aerial Ortho Images

항공정사영상의 상대적인 지상좌표 위치오차에 따른 색상보정

박숭환*, 정형섭*, 정경식*

^†

*서울시립대학교 공간정보공학과, **새한항업(주) 지오매틱스 연구소

A Color Correct Method based on Relative Ortho Rectification Precision in High-resolution Aerial Ortho Images

Sung-Hwan Park*, Hyung-Sup Jung*, Kyungsik Jung*

and Kyong-Hwi Kim**

*Department of Geoinformatics, The University of Seoul

**Institute of Geomatics, Saehan Aero Survey Corporation

Abstract : This study was carried out to effectively perform relative color correction for high-resolution aerial ortho image. For this study, relative geometrical error between adjacent images was analyzed. The block sum method is proposed to reduce the relative geometrical error. We used the regression coefficients determined based on the block sum size to perform the color correction. As a result, it was confirmed that the relative color correction was visually performed well. Quantitative analysis was performed through histogram similarity analysis. It is proved that block sum method is useful for relative color correction.

Particularly, the block sum size was very important to correct color based on the amount of relative geometrical error.

Key Words : Ortho Image, Color Correction, DMC I

요약 : 본 연구는 동일 촬영시기 정사영상에 대한 색상보정을 효과적으로 수행하기 위하여 실시되었다. 이 를 위하여, 인접 영상 간 상대적인 지상좌표 위치오차를 분석하였다. 위치오차를 저감시키기 위한 방법으로 block sum 방법을 제시하였다. 각각 block sum 크기에 따라 결정된 회귀계수를 이용하여 상대색상보정을 수행하였다. 그 결과 시각적으로 상대색상보정이 잘 수행되었음을 확인하였다. 정량적인 분석은 히스토그램 유사성 분석을 통해 수행되었다. 이로부터 block sum 방법이 상대색상보정에 유용함이 증명되었다. 특히 상대적인 지상좌표 위치오차의 양에 따라 block sum 크기의 선정이 매우 중요한 것으로 나타났다. 위치오 차가 클수록 높은 크기에서의 block sum 적용이 유용한 것으로 확인되었다.

Received July 5, 2017; Revised July 26, 2017; Accepted August 5, 2017; Published online September 27, 2017.

† Corresponding Author: Kyungsik Jung ([email protected])

This is an Open-Access article distributed under the terms of the Creative Commons Attribution Non-Commercial License (http://creativecommons. org/licenses/by-nc/3.0) which permits unrestricted non-commercial use, distribution, and reproduction in any medium, provided the original work is properly cited.

http://dx.doi.org/10.7780/kjrs.2017.33.5.1.4 ISSN 2287-9307 (Online)

Article

1. 서 론

공간해상도 1 m급 이하의 항공영상은 사용자가 원 하는 시기에 높은 공간해상도의 자료를 획득할 수 있는 장점이 존재하여 적시적 모니터링이 요구되는 다양한 분야에 활용되고 있다 . 이에 대한 일 예로서, Kim et al.

(2015)은 경상남도 거제시 일대를 대상으로 고해상 자 료가 요구되는 소나무재선충병 피해목을 추출한 바 있 으며, Oh et al. (2016b)은 전라남도 완도군 주변의 적조 모니터링을 수행하였다. 또한 Eom et al. (2010)과 Hwang

하여 해안선 변화를 탐지한 연구를 수행하였다 . 상기 예 로 든 연구분야는 모두 영상의 촬영시기가 중요한 것으 로 원하는 날짜와 시간대에 촬영할 수 있는 항공영상의 활용이 적합하다 . 또한 고해상 자료가 요구되는 세분류 토지피복지도 제작과 관련된 연구에도 항공영상은 반 드시 활용되어야 할 공간정보라 할 수 있다 (Oh et al., 2016; Kim et al., 2014).

항공영상은 위성영상에 비하여 상대적으로 낮은 고 도와 낮은 순간시야각(instantaneous field of view, IFOV) 으로 촬영되어 각 영상의 촬영폭 (swath)이 작다. 따라서 넓은지역의 연구를 위해 각각의 촬영된 영상들을 집성 하여 활용하는 것이 일반적이다 . 이를 위하여 각각의 영 상들을 대상으로 지상기준점 (ground control point, GCP) 을 이용하여 번들조정 (bundle adjustment)을 수행하고, 수치표고모델 (digital elevation model, DEM)을 이용하여 정사보정을 수행한다 . 이러한 항공영상의 번들조정과 정사보정 방법은 오랜 기간에 걸쳐 다양한 연구자들에 의해 제시되어 왔다(Yoo and Lee, 2010; Choi et al., 2007;

Kim and Um, 2015; Lee and Lee, 2016).

이때 , 각각의 보정된 항공영상은 촬영시스템과 보정 기법의 한계로 인하여 인접한 영상 간 채색과 명암이 다 르게 나타나게 된다 . 색상보정이란 촬영당시에 발생한 영상 간의 색상에 대한 차이를 보정해 주는 것으로서 집 성된 영상에서 하나의 통일된 색감이 확보될 수 있도록 색상을 보정하는 기술을 의미한다 . 즉, 색상보정의 가장 큰 목적은 인접영상의 접합선을 기준으로 나타나는 색 상차이로 인한 시각적인 이질감을 완화하여 자연스러 운 색상변화를 유도하는 것을 큰 목적으로 한다(Park et

이를 위하여, 인접영상 간 통일된 색상을 확보하기 위한 색상보정 방법이 제시되었다. 가장 대표적으로 활 용되는 색상보정 방법은 전역 특성을 고려한 히스토그 램 매칭(histogram matching) 방법이다(Park et al., 2001;

Richards and Jia, 2006; Kim et al., 2010). 히스토그램 매칭 기법은 두 영상의 색상분포를 유사하게 보정해 주는 방 법으로 , 기준영상(reference image)과 대상영상(target image)에서 동일한 위치에 존재하는 화소값 간의 선형 회귀분석을 통해 보정계수를 추정한 후 , 대상영상에 보 정계수를 적용하는 것으로 이루어진다 (Park et al., 2001;

Richards and Jia, 2006; Kim et al., 2010). 이와 같은 히스토 그램 매칭 방법은 간단한 과정을 통해 안정적인 색상보 정 결과를 얻을 수 있다 . 그러나, 히스토그램 매칭이 최 고의 성능을 발휘하기 위해서는 두 영상의 상대적인 위 치오차가 없어야 한다 (Jung and Ho, 2010). 또한 최근에 는 특징점 기반의 대응점 추출 기술을 이용하여 기준영 상과 대상영상 간의 대응 관계를 분석하고 , 이를통해 색 상을 보정하는 방법이 제시되었다 (Yamamoto et al., 2007). 그러나 추출된 대응점의 수가 히스토그램 매칭 을 수행하기에는 부족하며, 부정확한 대응점이 추출될 경우 색상보정 성능이 떨어질 수 있는 문제가 발생한다 (Jung and Ho, 2014).

선행 연구에서 논의된 바와 같이 , 두 정사영상의 색 상보정을 위한 히스토그램 매칭이 성공적으로 수행되 기 위해서는 동일화소에 대하여 두 정사영상이 지니는 지상좌표가 완벽하게 일치해야 한다 . 그러나 각각의 영 상을 서로 다른 지상기준점을 이용하여 정사보정을 수 행함에 따라 두 정사영상의 동일 화소는 각기 다른 지 상좌표를 지닐 수 있다 . 이러한 지상좌표의 위치차이는 영상 시스템 상 정사보정이 완벽하게 수행되지 않기 때 문에 필연적으로 발생한다 . 2016년 국토지리정보원에 서 고시한 ‘영상지도제작에 관한 작업 규정’ 및 ‘항공사 진측량 작업규정’에 따르면 , 정사보정의 한계를 인정하 여 10 m의 해상도를 지닌 위성영상의 경우 20 m이내, 1/5,000의 축척을 지닌 항공영상의 경우 20 cm이내의 지상좌표 오차를 허용한다.

이에 따라, 두 정사영상의 색상보정을 성공적으로 수

행하기 위해서는 두 정사영상의 상대적인 지상좌표 오

차를 고려하여 색상보정을 수행하여야 한다. 본 연구에

서는 이러한 점에 주목하여, 두 정사영상의 상대적인 지

상좌표 오차를 고려하여 색상보정을 수행하고자 하였다.

이를 위하여, 본 연구에서는 상대적인 지상좌표의 오차 를 확인한 후, block sum 방법을 이용하여 오차로 발생 한 두 정사영상 간 색상의 차이를 저감하고자 하였다 . block sum 크기에 따른 선형회귀계수 변화를 확인하고 자 하였으며 , 각각의 추정된 계수를 적용하여 색상보정 을 수행하였다 . 이후 색상보정은 히스토그램 구조 유사 성 지수 (histogram structural similarity, HSSIM)를 활용하 여 평가하였으며, 위치오차에 따른 적합한 block sum의 크기를 제시하고자 하였다.

2. 연구방법

정사보정 정밀도에 따른 두 정사영상의 색상보정을 위한 연구는 다음의 순서로 진행되었다 (Fig. 1). 첫 번째 단계로서 , 동일날짜에 촬영한 항공영상을 획득하여 각 각 번들조정과 정사보정을 실시하였다. 두 번째 단계 로서, 두 정사영상의 상대적인 지상좌표 위치오차를 측 정하였다 . 세 번째 단계로서, 각각의 block sum 크기를 적용하여 히스토그램 매칭을 위한 계수를 추정하였다 .

네 번째 단계로서 추정된 계수로부터 히스토그램 매칭 기법을 적용하여 대상영상의 색상을 보정 하였다. 다섯 번째 단계로서, 보정된 영상의 시각적인 분석과 정량적 인 분석을 실시하였다 . 마지막으로 상대적인 지상좌표 위치오차에 따른 적합한 block sum의 크기를 제시하고 자 하였다 .

1) 상대 지상좌표 위치오차 분석

상대 지상좌표 위치오차 분석은 동일화소에 대한 두 정사영상의 위치오차 정도를 분석하는 것으로 , 기준영 상을 기준으로 대상영상의 가로방향과 세로방향의 위 치변화를 주어 지상좌표 위치오차의 정도를 분석한다.

이때, 대상영상을 가로세로 –5화소에서 +5화소 방향에 대한 위치변화를 주어 오차의 정도를 측정한다 (Fig. 3).

오차를 계산하기 위한 방법으로 동일한 위치에서의 평 균제곱근오차 (root mean square error, RMSE)를 활용하 는 것이 적합하다 . 동일 날짜에 촬영된 영상의 피복형 태가 유사하다고 가정하였을 때 , 타겟영상의 위치변화 에 따라 RMSE는 달라지게 되며, 가장 낮은 RMSE를 지 니는 대상영상의 위치가 곧 이상적인 정사보정의 결과 를 의미한다.

Fig. 1. Detailed work flow of the proposed method.

2) Block sum 방법을 활용한 중첩지역에서의 regression 추정

Blocksum방법은가우시안피라미드(Gaussianpyramid) 방법으로도 불리우며, 원영상을 최초의 단계영상으로 가정하고 각 상위 단계별로 해상도가 감소하는 영상을 생성하는 것으로 정의할 수 있다 . 이 방법은 상위 단계 의 영상을 제작할 때 특정화소를 기준으로 주변 영역에 구역 (block)을 설정하여 구역 내 화소값들의 평균을 활 용하여 상위 단계의 화소값을 계산한다 . 원영상을 세로 방향으로 N의 크기, 가로방향으로 M의 크기를 지닐 때, 상위 단계의 영상은 N/2×M/2의 크기를 지니게 된다.

block sum을 적용할 수 있는 크기는 2×2, 4×4, 8×8 및 16×16 크기 등으로 짝수배를 활용하는 것이 일반적 이다 . 예를 들어 2×2는 구역 내 네 개의 화소값들의 평 균을 활용하는 것이고 , 4×4는 구역 내 열여섯 개의 화 소값들의 평균을 활용하는 것이다(Fig. 2). 이러한 block sum 방법은 상대적인 위치오차로 발생한 동일위치에 서의 화소값 차이를 저감시킬 수 있으며 , block sum 크 기에 따라 저감되는 정도가 달라지게 된다. block sum을 이용한 상위 단계에서의 화소값은 다음 식 (1)로부터 계 산될 수 있다 (Andelson et al., 1984).

g

(i, j) = (1)

여기서, g

및

은 각각

의미하며, l은 1부터 시작한다. g

(i, j)는 각 단계에서의

3) 히스토그램 매칭 방법

히스토그램 매칭은 대상영상의 히스토그램을 기준 이 되는 영상의 히스토그램 분포와 유사하게 만드는 방 법으로 , 두 영상의 색상보정을 위해 가장 많이 사용되 는 방법이다 (Kim et al., 2010). 히스토그램 매칭은 기준 영상의 공간적 범위에 따라 두 가지 방법이 존재한다 . 첫 번째 방법은 기준영상과 대상영상 전체의 히스토그 램을 사용하는 방식이며, 기준영상과 대상영상의 중첩 지역만을 이용하는 방식이 있다. 일반 적으로 두 인접 영상의 색상차이를 최소화 하기 위해서는 중첩지역의 히스토그램만을 대상으로 하여 색상보정을 하는 것이 효과적이다 (Kim et al., 2010). 히스토그램 매칭 방법은 기준영상과 대상영상에서 동일한 위치에 존재하는 화 소값들을 대상으로 선형회귀분석을 이용하여 선형회 귀계수를 추정한 후, 추정된 계수를 대상영상의 전체 화 소값에 적용하여 대상영상의 히스토그램을 기준영상 과 유사하게 변환시키는 과정을 거친다. 이러한 히스토 그램 매칭은 다음 식 (2)로부터 수행될 수 있다.

I

= α

· I

(2)

(2i + m, 2j + n)

4

∑ 2 m = -2

∑ 2 n = -2

Fig. 2. The diagram of block sum method.

여기서 , I

및

은 각각 생상보정 전의 대상영상과 색상보정 후의 대상영상을 나타내며 , i는 각각의 채널 영상을 의미한다 . α

및 β

는 기준영상과 대상영상의 중 첩된 지역의 화소값들을 대상으로 선형회귀분석을 통 해 추정된 색상보정 계수를 의미한다.

4) 색상보정 결과 정량적 분석

색상보정 결과에 대한 정량적인 평가를 위하여 , 중첩 지역에서의 기준영상과 대상영상의 히스토그램 유사 성을 정량적으로 평가하는 방법이 사용될 수 있다 . 히 스토그램 유사성평가는 동일지역에서의 히스토그램 변화를 직관적으로 판단할 수 있게 하며 , 정량적인 평 가 또한 가능하기에 색상보정 결과를 평가하기에 적합 하다 .

히스토그램 평가방법은 중첩지역에서의 기준영상 과 대상영상의 히스토그램이 동일해야할 것을 가정하 여 정량적으로 상대색상보정 결과를 평가하는 것이다 . 본 연구에서 활용한 히스토그램 유사성 평가지수는 HSSIM 지수로서 두 데이터 간 히스토그램의 구조적 유 사성을 평가하여 두 데이터가 얼마나 유사한지 정량적 으로 나타낼 수 있는 척도이다. HSSIM 지수는 다음 식 (3)과 같이 계산된다(Park et al., 2017).

HSSIM(I

, I

) = V(I

, I

) · R(I

, I

) (3) 여기서, V(I

, I

)와 R(I

, I

)는 원영상 대비 히스토그 램 분포비 (variation ratio)와 원영상 대비 히스토그램 유 사성비 (histogram structural similarity ratio)를 의미하며, 각각 식 (4)와 식 (5)을 의미한다.

V(I

, I

) = (4)

R(I

, I

) = (5) 여기서 , I

는 기준영상에서 유사성을 평가할 데이터 ,

는 색상보정 후 유사성을 평가할 데이터 , I

및

는 보정을 하지 않은 영상의 데이터를 나타낸다. 본 연구 에서 상대색상보정은 대상영상만을 대상으로 적용된 것으로 , I

= L

이 성립된다 . σ는 표준편차, r은 상관 계수 , H는 히스토그램 데이터를 나타낸다.

HSSIM index의 가장 큰 특징은 V(I

, I

)를 이용하여 보정 후 히스토그램의 분산이 감소하는 정도와, R(I

,

I^tgt

)를 이용하여 보정 후 히스토그램의 유사도 상승 정도 를 정량적으로 나타내는 데 있다. 보정 후 분산이 감소 할수록

, I

)는 0에 수렴하게 되며, 보정 후 두 히스 토그램이 유사해질수록

, I

)는 0에 수렴하여 보정 결과가 좋을수록 HSSIM 지수는 0에 수렴하게 된다. 반 면 , 과보정 되어 분산이 커질수록 V(I

, I

)는 1이상의 값을 지니게되며 , 보정 후 히스토그램의 차이가 커질수 록

, I

)는 1이상의 값을 지니게 되어 HSSIM 지수는 1이상을 지니게 된다. 보정 전과 보정 후가 동일한 경우,

, I

)와 R(I

, I

)는 모두 1의 값을 지니게 되어 HSSIM index 값은 1을 지니게 된다. 즉, 상대색상보정 결과가 좋을수록 HSSIM index는 0에 수렴하게 되며, 과 보정될수록 HSSIM index는 1보다 커지는 값을 가지게 된다 (Park et al., 2017).

2. 연구자료

본 연구에서는 상대정사보정 정밀도에 따른 색상보 정 방법에 대한 연구를 수행하기 위하여 DMC I 카메라 로부터 동일날짜에 촬영된 두 항공영상을 획득하였다 (Fig. 3). DMC I 카메라는 면형센서를 탑재하여 프레임 (frame) 단위의 영상을 제공한다. 촬영된 영상은 경기도 가평군 설악면 주변의 산악지역을 2016년 9월 20일에 오전 10시에 촬영된 영상으로, Fig. 3은 Green, Red, NIR 파장대역의 영상을 각각 청색 , 녹색, 붉은색 컬러로 조 합한 것이다 .

두 항공영상의 번들보정과 정사보정은 국토지리정 보원의 작업규정에 따라 항공삼각측량을 통한 외부표 정요소와 국토지리정보원에서 제공하는 수치표고모델 을 이용하여 수행되었으며 , 최종적으로 공간해상도 25 cm를 지니는 정사영상으로 제작되었다. 이후 수치지형 도와의 위치정확도를 검사하여 약 28.9 cm의 지상좌표 위치오차를 지니는 것으로 확인 되었다 .

그림에서 확인할 수 있듯이 , 해당 영상은 산악지역을 대상으로 촬영하였기 때문에 산림지역이 중점적으로 촬영되었다. 인접한 두 영상의 경우 동일한 날짜 유사 한 시간에 촬영하였기 때문에 피복의 형태가 크게 다르 지 않은 것을 확인할 수 있다. 그러나 인접영상의 경계 선 주변에서는 색상의 차이가 발견되며, 이는 frame 카

) σ(I

)

σ(I^ref0

) σ(I

)

1-r

1-r

메라의 촬영방식에 의한 한계점으로 색상보정이 요구 된다 .

이에 따라 본 연구에서 선정한 영상은 상대적인 지상 좌표의 차이를 지니는 영상이며 , 제안하고자 하는 방법 을 통해 색상보정 결과의 개선을 실험하기에 적합한 영 상이라 할 수 있다.

4. 실험결과 및 분석

Fig. 4와 Fig. 5은 지상좌표 위치오차 분석을 위한 가 로방향 위치오차와 세로방향 위치오차를 나타낸다 . 각

각의 그림은 대상영상의 공간적 위치를 원점 (위치이동 을 하지 않았을 경우 )을 기준으로 가로세로 방향 각각 – 5에서 5방향만큼 공간적 위치변화를 주었을 때, 중첩 지역에서의 화소값들의 RMSE 변화를 나타낸 것이다.

만약 항공영상이 번들조정과 정사보정 단계에서 각각 정밀하게 수행될 경우, 두 인접영상의 중첩지역의 화소 값의 특성은 거의 동일하게 나타나야 하며, 공간적 위치 변화를 강제적으로 주지 않았을 때의 RMSE 값이 제일 낮게 계산되어야 한다 . 그러나 실험영상은 평균적으로 약 28.9 cm의 위치오차를 지니기 때문에 최소의 RMSE 를 지니는 공간적 위치는 원점과 다르게 나타난다 .

그림으로부터 확인할 수 있듯이 , RMSE의 절대적인

Fig. 4. The relative geometric error analysis results in x direction.

수치는 NIR 영상이 Green과 Red 영상에서 보다 크게 나 타나는 것을 확인할 수 있다. 이는 산악지역의 특성 상 식생에 민감한 NIR 영상의 화소값이 상대적으로 Green 과 Red 영상의 화소값보다 크기 때문이다.

대상영상의 공간적 위치변화를 강제로 주었을 때 , 가 로방향과 세로방향의 위치오차는 원점으로부터 멀어 질수록 커지는 것을 확인할 수 있으며 , 위치의 차이가 커질수록 RMSE는 급격히 증가하게 된다. 실험영상의 경우, 가로방향으로 Green과 Red 영상은 왼쪽으로 한

픽셀, NIR영상은 왼쪽으로 두 픽셀을 이동했을 경우 가 장 작은 RMSE를 지니며, 세로방향으로 Green과 NIR 영상 아래방향으로 한 픽셀씩 이동했을 경우 가장 작은 RMSE를 지닌다. 이는 본 연구에서 세운 가설과 같이 두 정사영상의 상대적인 위치오차가 존재하기 때문이며 , 곧 대상영상의 색상을 보정할 때 상대적인 지상좌표 위 치오차를 고려하여야 함을 지시한다 .

이에 본 연구에서는 상대적인 지상좌표 위치오차를 고려하여 색상보정 결과를 향상시키고자 NIR 영상을

Fig. 6. The result of linear regression analysis at green, red, NIR band, respectively.

대상으로 2×2, 4×4, 8×8, 16×16 크기의 block sum 적 용하고 , 적용 전후의 선형회귀계수 추정 결과를 비교하 였다 . Fig. 6은 block sum 방법의 적용을 하지 않은 기준 영상과 대상영상의 중첩지역으로부터 각 block sum의 크기에 따른 회귀계수를 추정한 결과이다. 여기서 가로 축은 대상영상이며 , 세로 축은 기준영상이 된다. 그림에 서 확인할 수 있듯이 , 동일 날짜에 촬영하였음에도 불 구하고 , 기울기는 1에 수렴하지 않으며 RMSE 또한 높 은 값을 지니는 것을 확인할 수 있다 . 이는 영상 간 위치 오차가 존재하기 때문으로 , RMSE의 경우 특히 NIR 영 상에서 높게 나타나는 것을 확인할 수 있다 . 이는 식생 지역의 경우 NIR 값의 변화가 민감하기 때문이며, 동일 날짜에 촬영하였음에도 불구하고 대기 변화에 의하여 바람이 발생할 경우 수목의 가지와 잎들의 위치가 변화 하게 되어 높은 RMSE를 지니는 것으로 판단된다.

반면 , Fig. 7는 NIR 영상에서의 block sum 크기에 따 른 선형회귀분석 결과를 나타낸다 . 실험결과에서 확인 할 수 있듯이 , block sum의 크기에 따라 추정된 계수가 달라지게 되며 , block sum의 크기가 커질수록 RMSE는 점점 낮아짐을 확인할 수 있다 . 여기서 RMSE가 감소하 게되는 가장 큰 이유는 block sum을 통하여 중첩지역에 서 기준영상과 대상영상의 화소값의 차이가 감소하기 때문이다. 즉, block sum의 크기를 키울수록 인접영상 간 유사성은 커지게 됨을 확인할 수 있으며, block sum 을 적용한 후 추정된 회귀계수는 상대적인 위치오차가 저감되어 추정된 계수로 , 색상보정에 효과적으로 활용 될 수 있을 것으로 판단된다 (Table 1).

인접영상 간 상대위치오차 실험과 block sum 크기별 로 추정된 회귀계수를 적용하여 기준영상과 대상영상 의 색상보정을 수행하였다 . Fig. 8은 가장 낮은 RMSE를

Table. 1. The linear regression result with block sum size

Regression Coefficients 2×2 block sum 4×4 block sum 8×8 block sum 16×16 block sum

a 0.97 0.97 0.98 0.98

b -7.69 -7.86 -7.63 -8.53

RMSE 60.49 49.51 36.38 24.98

Fig. 9. The quantitative evaluation results based on before and after correction in NIR band.

Fig. 8. The correction result from proposed block sum method.

나타낸 16×16 크기로부터 추정된 계수를 적용하여 상 대색상보정을 실험한 결과를 나타낸다 . 실험영상의 보 정 전 좌·우 영상은 동일한 스케일로 값을 분포하였을 때 뚜렷한 색상차이를 지니는 것을 확인할 수 있다. 그 러나 보정 후 좌·우 영상의 색상차이는 감소하게 되어 하나의 영상처럼 보이는 것을 육안으로 확인할 수 있다 . 이로부터 본 과업에서 제시하는 방법을 활용하여 상대 색상보정을 수행할 경우, 동일 촬영시기 영상에 효과적 으로 적용이 가능한 것으로 판단된다 .

Fig. 9는 block sum 크기에 따른 NIR 영상에서의 색상 보정 후 히스토그램 변화를 나타낸다 . 여기서 회색영역 은 기준영상에서의 히스토그램을 나타내며 흰색영역 은 대상영상에서의 히스토그램을 나타낸다. 색상보정 전 기준영상과 대상영상은 히스토그램의 차이가 존재 하는 것을 확인할 수 있다 . 128값을 기준으로 대상영상 이 기준영상에 비하여 높은 값이 더 많이 분포하며 , 기 준영상은 128이하의 값이 더 많이 분포하는 것을 확인 할 수 있다 . 반면, 보정 후 두 히스토그램은 보다 유사해 지는 것을 확인할 수 있으며 , 128값을 기준으로 차이가 나던 부분이 완화된 것을 육안으로 확인할 수 있다 . HSSIM 지수를 활용한 정량적 평가결과, 모든 block sum 크기에서 히스토그램이 유사해 지는 것으로 평가 되었 으며 , 4×4 크기의 block sum을 적용하였을 경우 가장 낮은 HSSIM 지수를 지니는 것을 확인할 수 있다(Table 2). 이러한 이유는 두 NIR 영상의 위치차이가 가로방향 으로 두 픽셀, 세로방향으로 한 픽셀만큼의 차이가 있 는 것과 관련이 있는 것으로 판단된다 .

4. 결론 및 토의

본 연구에서는 인접한 항공영상의 상대적인 위치오 차를 고려한 색상보정방법을 적용하기 위하여 수행되 었다. 동일 촬영시기 영상에 대하여 대상영상의 공간적

위치변화를 강제로 조정하여 상대적인 위치오차를 측 정하였으며 , RMSE가 가장 낮게 나타나는 위치 변화량 이 곧 정사보정 정밀도에 따라 발생한 위치오차임을 확 인하였다. 지상좌표 위치오차를 저감하기 위하여 block sum 크기에 따라 추정된 선형회귀계수를 이용하여 색 상보정을 수행하였으며 , 시각적·정량적인 분석을 수행 하였다 . 정량적인 분석은 기준영상과 대상지역의 히스 토그램 유사성을 수치로 나타내는 HSSIM index를 활용 하였다. 그 결과로서, 다음과 같은 결론을 얻었다.

첫째 , 동일날짜에 촬영한 영상임에도 불구하고, 두 정사영상은 동일 화소에 대한 지상좌표의 위치오차가 존재하였다 . 실험된 영상의 경우, RMSE가 최소를 지니 는 공간적 변화가 곧 위치오차를 의미하며 , 가로세로 최 대 두 픽셀에 해당하였다. 실험영상인 고해상의 항공영 상에서의 두 픽셀은 50 cm 오차에 해당된다. 이는 항공 기로부터 획득된 항공영상에 지상좌표를 부여하는 과 정 또는 DEM으로부터 정사영상을 제작하는 과정에서 발생한 오차로 판단된다 .

둘째, block sum의 크기가 증가함에 따라 선형회귀분 석으로부터 추정된 계수는 달라지게 되며, RMSE는 감 소하는 것으로 나타났다 . 여기서 RMSE가 감소하게되 는 가장 큰 이유는 block sum을 통하여 영상의 픽셀차이 가 감소하기 때문으로 판단된다 . 즉, block sum의 크기 를 키울수록 인접영상 간 유사성은 커지게 됨을 확인할 수 있으며, 이는 곧 위치오차로 발생한 색상의 차이가 저감될 수 있음을 의미한다 . 이에 따라 block sum 방법 을 적용한 후 추정된 회귀계수는 상대색상보정에 효과 적으로 활용될 수 있을 것으로 판단하였다 .

셋째, block sum으로부터 추정된 회귀계수를 통하여 색상보정을 수행한 결과, 인접영상의 색상차이가 감소 하였음을 시각적으로 확인하였다 . 실험영상의 보정 전 좌·우 영상은 뚜렷한 색상차이를 지니는 것으로 나타났 으나 , 보정 후 좌·우 영상의 색상차이는 감소하게 되어 색상의 유사성을 지니는 것을 시각적으로 확인하였다.

Table. 2. The summary of HSSIM index based on block sum size

Image 2×2 block sum 4×4 block sum 8×8 block sum 16×16 block sum

Green 1.18 0.92 1.02 0.97

Red 0.68 0.67 0.83 0.83

NIR 0.26 0.24 0.33 0.30

넷째, HSSIM 인덱스를 활용한 정량적 분석결과, 위치 오차에 따른 최적의 block sum 크기를 결정할 수 있었다.

색상보정 전 중첩지역에서의 히스토그램은 두 인접영 상에서 차이가 존재하는 것을 확인할 수 있었다. 그러나, 보정 후 두 히스토그램은 보다 유사해지는 것으로 나타 났다. HSSIM index 역시 보정 후 감소하는 것을 확인할 수 있으며, 4×4 크기의 block sum을 적용하였을 경우 가장 낮은 HSSIM index값을 지니는 것을 확인할 수 있 었다. 실험영상의 지상좌표 위치오차가 최대 두 픽셀임 을 고려할 때, 이의 두 배에 해당하는 크기의 block sum 을 적용하는 것이 바람직하였다 .

본 연구에서는 단일사례에서의 실험을 수행한 것으로 , 여러 사례에서의 적용에 대한 연구가 추가적으로 필요 하다 . 지상좌표의 위치오차는 일반적인 위성영상과 항 공영상 시스템에서 발생할 수 있는 것으로 , 본 실험에 사용된 영상 외에 여러 영상에서도 존재할 것으로 예상 된다 . 그러나 단일 사례의 결과를 증거로 위치 오차에 따른 적합한 block sum의 크기를 제시하는 것에는 한계 가 있다 . 또한 본 실험에서 사용된 영상은 동일한 날짜 에 촬영된 것으로 , 다른 날짜의 영상에서도 제안 방법이 적용될 수 있는지에 대한 연구가 추가적으로 요구되며 , 대응점 기반 및 전역적 특성 기반의 색상보정 방법 등 기존 기법과의 객관적인 성능평가 또한 향후에 수행되 어야 할 연구이다 .

사 사

이 논문은 2017년도 한국환경산업기술원의 환경정 책기반공공기술개발사업의 일환으로 수행되었습니다 (Project No. 2016000210001).

References

Burt, P. J., 1981. Fast filter transform for image processing,

20-51.

Choi, K.-A., S.-M. Park, I.-P. Lee, and S.-J. Kim, 2007. Accuracy assessment of orthophotos

automatically generated by commercial software,

25(5): 415-425 (in Korean with English abstract).

Eom, J., J.-K. Choi, J.-H. Ryu, and J.-S. Won, 2010.

Monitoring of shoreline change using satellite imagery and aerial photograph: for the Jukbyeon, Uljin, Korean Journal of Remote Sensing, 26(5):

571-580 (in Korean with English abstract).

Jung J.-I. and Y.-S. Ho, 2010, A color correction method based on relative for multi-view camera system property, Telecommunications Review, 20(6):

1004-1016 (in Korean with English abstract).

Jung, J.-I. and Y.-S. Ho, 2014. Color correction algorithm based on camera characteristics for multi-view video coding, Signal, Image and Video Processing, 8(5): 955-966.

Hwang, C.-S., C.-U. Choi, and J.-S. Choi, 2014. Shoreline changes interpreted from multi-temporal aerial photographs and high resolution satellite images.

A case study in Jinha beach, Korean Journal of

English abstract).

Kim Y.-J., S.-Y. Cha, and Y.-H. Cho, 2014. A study of landcover classification methods using airborne digital ortho imagery in stream corridor, Korean

Korean with English abstract).

Kim, J.-N. and D. Um, 2015. High quality ortho-image production using the high resolution DMC II aerial image, Journal of the Korean Society of

English abstract).

Kim, S.-H., S.-J. Kang, and K.-S. Lee, 2010. Multi-

temporal Landsat ETM+ mosaic method for

generating land cover map over the Korean

Peninsula, Korean Journal of Remote Sensing,

26(2): 87-98 (in Korean with English abstract).

Kim, S.-R., E.-S. Kim, Y. Nam, W.-I. Choi, and C.-M.

Kim, 2015. Distribution characteristics analysis of Pine Wild disease using time series hyperspectral aerial imagery, Korean Journal of Remote Sensing, 31(5): 85-394 (in Korean with English abstract).

Lee, K.-R. and W.-H. Lee, 2016. Orthophoto and DEM generation using sow specification UAV images from different altitudes, Journal of the Korean

with English abstract).

Oh, K.-Y., M.-J. Lee, and W.-Y. No, 2016a. A study on the improvement of sub-divided land cover amp classification system – based on the land cover map by Ministry of Environment –, Korean

Korean with English abstract).

Oh, S.-Y., D.-H. Kim, and H.-J. Yoon, 2016b. Appli - cation of unmanned aerial image application red tide monitoring on the aquaculture fields in the coastal waters of the South Sea, Korea, Korean

Korean with English abstract).

Park, H.-C., H.-S. Kim, Y.-W. Jo, and M.-H. Jo, 2008.

Utilization plan research of high resolution images for efficient river zone management, Korean

Korean with English abstract).

Park, S.-H., H.-S. Jung, J. Choi, and S. Jeon, 2017. A quantitative method to evaluate performance of topographic correction models used to improve land cover identification, Advanced in Space

Park, S.-M., J.-H. Im, H. S., and Sakong, 2001. Land cover classification of a wide area through multi-scene landsat processing, Korean Journal

with English abstract).

Richards J. A. and X. Jia, 2006. Remote sensing digital image analysis, 4e, Springer-Verlag Berlin Heidelberg.

Yamamoto, K., M. Kitahara, H. Kimata, T. Yendo, T.

Fujii, M. Tanimoto, S. Shimizu, K. Kamikura, and Y. Yashima, 2007. Multiview video coding using view interpolation and color correction,

Yoo, E.-J. and D.-C. Lee, 2010. Patch-based processing

and occlusion area recovery for true orthoimage

generation, Journal of the Korean Society of

English abstract).